Agata, Ayu Widya (2024) PENGENALAN BAHASA ISYARAT INDONESIA (BISINDO) MENGGUNAKAN ALGORITMA SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (Cover)
19081010005-cover.pdf Download (498kB) | Preview |
|
|
Text (BAB I)
19081010005-bab1.pdf Download (78kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
19081010005-bab2.pdf Restricted to Registered users only until 22 January 2026. Download (949kB) |
|
|
Text (BAB III)
19081010005-bab3.pdf Restricted to Registered users only until 22 January 2026. Download (657kB) |
|
|
Text (BAB IV)
19081010005-bab4.pdf Restricted to Registered users only until 22 January 2026. Download (1MB) |
|
|
Text (BAB V)
19081010005-bab5.pdf Download (64kB) | Preview |
|
|
Text (Daftar Pustaka)
19081010005-daftarpustakapdf.pdf Download (197kB) | Preview |
Abstract
Program pengenalan bahasa isyarat ini dapat mengenali alfabet Bahasa Isyarat Indonesia (BISINDO) dengan menggunakan perpaduan dua algoritma, yaitu algoritma Scale Invariant Feature Transform (SIFT) dan juga algoritma Convolutional Neural Network (CNN). Algoritma SIFT (Scale Invariant Feature Transform) merupakan salah satu algoritma yang bekerja dengan menerapkan titik kunci SIFT objek yang pertama kali diekstraksi dari satu set gambar referensi dan disimpan dalam database. Selanjutnya, menetapkan beberapa parameter untuk mengoptimalkan dan menghilangkan titik-titik pencocokan yang salah. Dan dari set kecocokan tersebut, gambar baru diidentifikasi untuk menentukan kecocokan yang tepat. Algoritma Convolutional Neural Network (CNN) dapat mengklasifikasi gambar dengan memproses gambar yang diinput, kemudian mengklasifikasikannya pada kategori tertentu. Dengan memadukan algoritma Scale Invariant Feature Transform (SIFT) dan algoritma Convolutional Neural Network (CNN) pada penelitian ini, diharapkan dapat mendapatkan hasil pencocokan yang maksimal pada gerakan tangan bahasa isyarat. Dengan menggunakan algoritma SIFT dan CNN gerakan tangan bahasa isyarat indonesia dapat diperoleh, dicocokkan, dikenali, diautentikasi dan kinerja pencocokannya disimulasikan menggunakan library tersorflow dan OpenCV. Hasil pengenalan terdapat beberapa gerakan harus dilakukan dengan beberapa kali percobaan agar terdeteksi dengan benar dikarenakan gerakan yang hampir mirip dengan gerakan bahasa isyarat lainnya serta pencahayaan yang kurang merata. Akurasi tertinggi pada penelitian ini adalah pada model dengan nilai epoch 55 dengan nilai akurasi sebesar 99.78%.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Ayu Widya Agata | ||||||||||||
| Date Deposited: | 22 Jan 2024 03:17 | ||||||||||||
| Last Modified: | 22 Jan 2024 03:17 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/20450 |
Actions (login required)
 |
View Item |